- 📄 SKILL.md
mojo-gpu-fundamentals
如何使用 Mojo 对 GPU 进行编程的基础知识。在编写面向 GPU 或其他加速器的 Mojo 代码时,除了 mojo 语法之外,还可以使用此技能。使用针对 NVIDIA、AMD、Apple 芯片 GPU 或其他设备的目标代码。使用此技能可以克服对 Mojo GPU 代码编写方式的误解。
如何使用 Mojo 对 GPU 进行编程的基础知识。在编写面向 GPU 或其他加速器的 Mojo 代码时,除了 mojo 语法之外,还可以使用此技能。使用针对 NVIDIA、AMD、Apple 芯片 GPU 或其他设备的目标代码。使用此技能可以克服对 Mojo GPU 代码编写方式的误解。
在制作需要特定于场景的窗格布局、实时交互演练和用于自动视频编辑的机器可读时间码的屏幕录制演示时使用。
Polymarket 地址的 Brier 分数计算器 — 测量独立于 PnL 的预测准确性。将熟练的预测者与做市商和套利者区分开来。
Swarlo 代理协调 — 检查集线器状态、阅读板、发布消息、领取任务。自动检测是否启动或加入。
结构化根本原因分析以达成具体行动。当出现问题、模式不断重复、行为发生偏差,或者您发现自己决心“做得更好”/“记住 X”而没有具体的工件时,请使用此方法。五个原因迫使行为解决方案进入文件编辑、配置更改、内存块更新或计划作业——操作项必须产生其他人可以验证的差异。请勿用于有明显原因的简单调试。
系统架构和设计思维——需求分析、组件设计、数据建模、扩展策略和权衡分析。在以下情况下使用:“设计这个系统”、“架构的用途是什么”、“X 的权衡”、“我们应该如何架构”、“系统设计”、“API 设计”、“数据模型”、“服务边界”、“架构文档”、“创建 ADR”。当设计思维完成后,这项技能就会交给 /ship:write-docs 来编写设计文档。注意:这不适用于视觉设计(使用/ship:视觉设计)或实施规划(使用/ship:设计)。 --- # 架构设计 在将系统设计决策写下来之前,请仔细思考。这项技能是关于**思考**——需求、组件、权衡、边界。当设计准备就绪时,您必须调用`Skill("write-docs")`来编写设计文档——不要内联编写文档。 ## 扩展到复杂性 并非每个决策都需要全部 5 个阶段。将深度与决策相匹配: - **小**(单一组件,明确的约束) - 第 1 阶段简要,第 2 阶段,第 5 阶段。跳过深入研究和扩展。 - **中**(多组件,一些未知)- 所有 5 个阶段,但保持每个阶段简洁。 - **大型**(新系统、重大未知因素、跨团队)——全部 5 个阶段的全面深入,带有图表和明确的负载估计。 ## 危险信号 **从不:** - 跳过需求收集并直接跳到解决方案 - 在不了解现有约束(技术堆栈、团队、时间表)的情况下进行设计 - 省略权衡分析 - 每个决策都有因某种原因被拒绝的替代方案 - 跳过边界部分 - 这是核心的防漂移机制 - 提出设计而不验证实际代码库的假设 - 将“我们想要的”与“存在的”混为一谈 - 明确差距 ## 第 1 阶段:需求收集在设计任何东西之前,请先了解您要解决的问题。 ### 功能要求 - 系统必须做什么?列出具体能力。 - 输入/输出有哪些
每个家庭助理 Lovelace 的 Esperto di HTML-JS 卡。使用 HTML、CSS 和 JavaScript 内联创建卡:variabili hass/entities/card、hass-update 事件、callService、shadow DOM。
从源代码重建 eforge 并重新启动守护进程。在进行代码更改后的开发过程中使用,以便 MCP 工具获取最新版本。
通过严格的评估批判性地分析内容、主张或论点。
自动标注尺寸:使用 Ray-Casting 或 BoundingBox 方法,在平面视图中自动建立房间、走廊、MEP 设备的尺寸标注。触发条件:使用者提到标注、尺寸、dimension、annotation、净宽、净高、measurement、自动标注、批次标注。工具:create_dimension_by_ray、create_dimension_by_bounding_box、get_room_info。
通过本地 MCP 服务器使用看板(列出视图/列表/卡片、读取卡片以及安全地创建/更新/移动卡片、看板或看板设置)时,请使用此技能。
分析、重新设计或引导项目,以符合人工智能优先的设计原则。当被要求审查、审计、改进、“人工智能优先”或启动新项目时使用。跨 7 个维度进行深度分析,积极重组现有项目,或通过发现问题指导新项目设置。基于 TechWolf AI-First Bootcamp 的 9 项设计原则和 7 种设计模式。
skill-sample/ ├─ SKILL.md ⭐ 必备:技能说明入口:用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐:机器可读元信息:用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐:授权与使用范围:开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本:让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范:统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源:报告/文档模板,快速生成标准产物 └─ references/ 🧩 参考资料库:方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考:章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考:常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考:图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档:https://agentskills.io/home
├─ ⭐ 必备:YAML Frontmatter(必须存在,放在文件最顶部) │ ├─ ⭐ name :技能唯一名;须符合命名规则,并建议与目录名一致 │ └─ ⭐ description :技能描述;建议包含触发关键词(便于检索/匹配) │ ├─ ✅ 可选:Frontmatter 扩展字段(规范允许,但非强制) │ ├─ ✅ license :许可证标识(也可配合单独 LICENSE 文件) │ ├─ ✅ compatibility :兼容性/运行环境要求(仅在确实有限制时写) │ ├─ ✅ metadata :任意键值对(如 author/version/source_url 等) │ └─ 🧩 allowed-tools :允许工具白名单(规范标注为 experimental) │ └─ ✅ 推荐:Markdown 正文(自由格式,但建议按“渐进式披露”组织) ├─ ✅ Overview / Purpose :一句话说明目标 + 不做什么(边界) ├─ ✅ When to use :触发条件/适用场景(让模型/用户知道何时调用) ├─ ✅ Step-by-step :步骤化流程(最好 3–6 步,保证可复现) ├─ ✅ Inputs / Outputs :输入格式、输出格式、产物位置(文件/文本/JSON等) ├─ ✅ Examples :至少 1 个可复制示例(越“能跑”越好) ├─ 🧩 Files & References :引用assets/、references/、scripts/(相对路径) ├─ 🧩 Edge cases :边界情况/限制(大文件、速率限制、失败回退) ├─ 🧩 Troubleshooting :常见错误与解决(依赖缺失、路径不对、权限问题) └─ 🧩 Safety notes :涉及联网/写文件/执行命令时给出提醒(建议写)
在 GitHub 和各类社区里,技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库,让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索,支持 版本更新与多维排序(下载/点赞/评论/更新),并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手:
支持下载与导入 skills(.zip/.skill),本地放置后即可生效:
~/.claude/skills/(Claude Code)
~/.codex/skills/(Codex CLI)
~/.gemini/skills/(Gemini CLI)
同一份 SKILL.md 跨平台通用。
你需要了解的:技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills(技能)”是一种可复用的任务能力包,通常包含 SKILL.md 说明(用途、输入输出、使用方法)以及可选的脚本/模板/示例文件。
你可以把它理解为:给 AI 助手或工具链用的“插件说明书 + 资源包”,可被反复安装与分享。
技能系统采用“渐进式披露”策略,高效管理上下文信息,具体流程如下:
发现阶段:系统启动时,智能体仅加载各技能的名称与简要描述——信息精简,足以判断其适用场景,避免冗余加载。
激活阶段:当任务需求与某技能描述匹配时,智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段:智能体严格遵循文档指引执行操作,并按需调用关联文件或运行内置代码模块。
核心优势:该设计使智能体始终保持轻量高效,同时具备“按需扩展上下文”的能力,既保障响应速度,又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用:
注:以上导入方式文件大小控制在10M之内。
常见路径如下(不同系统略有差异,以你本机为准):
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后,也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源,只要目标工具支持读取该格式,就能共享使用。
比如:检索类技能 + 写作类技能 + 自动化脚本,形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库(至少 2 星),并扫描基本质量指标,还有一部分是SkillWink平台的创作者独立上传的。作为使用者,在安装前应始终审查代码,对安全问题负责。
最常见原因是这几类:
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前: